برچسب: مشاوره تخصصی صنعت و مدیریت

نوشته‌شده در

زنان فشار خون بالا را بهتر از مردها کنترل می‌کنند.

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه پزشکی:

طبق پژوهش جدیدی، زن‌ها بیشتر از مردها موفق به کنترل دیابت و فشار خون بالا شده‌اند؛ هرچند که اضافه وزن‌شان بیشتر از مردها بوده است.

مؤسسه‌ی جورج در دانشگاه آکسفورد به بررسی مقادیر و مدیریت دیابت، کلسترول بالا، فشار خون بالا،‌ شاخص توده‌ی بدنی و سیگارکشیدن افراد پرداخته و دریافته است با وجود بهبودهایی که به‌چشم می‌خورد،‌ زن‌ها بیشتر از مردها به اضافه‌وزن دچار هستند و بیشتر از مردها دیابت و فشار خون بالا را تحت کنترل دارند. پژوهشگران از داده‌های نظرسنجی‌های ارزیابی بهداشت و تغذیه‌ی ملی ایالات متحده در سال‌های ۲۰۰۱ تا ۲۰۱۶ بیش از ۳۰ هزار بزرگسال ۲۰ تا ۷۰ ساله‌ی آمریکایی استفاده کردند و نتایج چهار سال اول دوره (از ۲۰۰۱ تا ۲۰۰۴) و چهار سال آخر دوره (۲۰۰۱۴ تا ۲۰۱۶) را با یکدیگر مقایسه کردند.

دکتر سان پیترز،‌ از پژوهشگران همه‌گیرشناسی در مؤسسه‌ی جورج و از نویسندگان اصلی این پژوهش می‌گوید:

خبر خوب اینجا است که از سال ۲۰۰۱ سطح فشار خون و کلسترول و میزان مصرف سیگار در بزرگسالان سراسر ایالات متحده کاهش یافته؛ بااین‌حال هنوز جای زیادی برای کاهش وجود دارد؛ هرچند میانگین شاخص توده‌ی بدنی به‌خصوص در زن‌ها زیاد شده است. ما همچنین شاهد افزایش تعداد قابل‌توجه افرادی بوده‌ایم که به‌دنبال کنترل دیابت و فشار خون بالایشان هستند؛ اما اکثر آن‌ها (حدود دو‌سوم) زن‌ها هستند و ۸۰ درصد از مردها همچنان به فکر کنترل این بیماری‌ها نیستند که واقعاً جای نگرانی دارد.

بیماری قلبی، عامل اصلی مرگ در سراسر جهان و حدود یک‌سوم آمار مرگ‌‌ومیر در ایالات متحده به‌شمار می‌رود؛ بااین‌حال می‌توان ازطریق کنترل فشار خون بالا و کلسترول در سطح سالم، سیگارنکشیدن و داشتن وزن سالم، تاحد زیادی از آن اجتناب کرد.

چاقی یا شاخص توده‌ی بدنی زن‌ها بیشتر از مردها شده، به‌طوری‌که میانگین آن برای زن‌ها بین ۲۸٫۱ تا ۲۹٫۶ و برای مردها بین ۲۷٫۹ تا ۲۹ است. همچنین بااینکه مردها تا سال ۲۰۱۶ حدود ۱۱ درصد بیشتر از زن‌ها اضافه‌وزن داشتند، اما چاقی به‌اندازه‌ی ۵ درصد در زن‌ها بیشتر بود.

وضعیت کنترل کلسترول در زن‌ها بدتر از مردها بود، به‌طوری‌که در طول دوره‌ی این پژوهش، سطح کلسترول مردها ۴۴ درصد بیشتر از زن‌ها کاهش داشت (۱۳میلی‌گرم در دسی‌لیتر برای مردها و ۹ میلی‌گرم در دسی‌لیتر برای زن‌ها).

نرخ دیابت در هر دو گروه مردها و زن‌ها به‌اندازه‌ی ۳ درصد افزایش یافت و در مردها به ۱۳ درصد و در زن‌ها به ۱۱ درصد رسید. فقط ۳۰ درصد از زن‌ها و ۲۰ درصد از مردها تا سال ۲۰۱۶ دیابت خود را تحت کنترل داشتند.

در مورد فشار خون بالا، تعداد زن‌ها و مردهای مبتلا به فشار خون بالا با کاهش همراه بود. این تعداد در زن‌ها از ۴۳ به ۴۲ درصد و در مردها از ۵۱ به ۴۹ درصد رسیده بود؛ هرچند فقط ۳۰ درصد از زن‌ها و ۲۲ درصد از مردها تا سال ۲۰۱۶ کنترل کافی روی فشار خون بالایشان داشتند.

مصرف سیگار نیز در زن‌ها از ۲۲ به ۱۸ درصد و در مردها از ۲۹ به ۲۲ درصد کاهش یافت. دکتر پیترز می‌گوید:

با ارزیابی تفاوت‌های جنستی در میان عوامل اصلی بروز بیماری‌های قلبی و عروقی در این پژوهش توانستیم دیدگاه‌های مهمی به افراد و پزشکانی که به‌دنبال مدیریت بهتر این عوامل خطرناک هستند، ارائه کنیم. برای شناسایی اثر نسبی کنترل یا حذف هر یک از این عوامل خطر و متعاقب آن ارائه‌ی مؤثرترین راه‌های درمان و پیشگیری از بیماری‌های قلبی، به پژوهش‌های جنسیتی بیشتری نیاز است.

نوشته‌شده در

روشی تازه برای تولید سوخت از زباله‌های پلاستیکی

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه محیط زیست:

پژوهشگران روشی جدیدی کشف کردند که می‌تواند ۲۵ درصد از زباله‌های پلاستیکی را به سوخت تبدیل کند.

کاهش مصرف و استفاده‌ی مجدد و بازیافت، این راهکارها کفایت نمی‌کنند. وقتی نوبت به بحران مواد زائدپلاستیکی می‌رسد، هنوز به‌دنبال راه‌هایی برای مسدودسازی این جریان هستیم. به‌زودی، ممکن است بتوانیم «تبدیل» (Rewind) را نیز به این فهرست اضافه کنیم. «تبدیل» روش جدیدی است که با استفاده از آن می‌توان پلی‌پروبلین، قسمتی از ضایعات پلاستیکی را به هیدروکربن مایع تبدیل کرد. این روش شاید راه‌حل نهایی نباشد؛ اما ایجاد سوخت از زباله باعث ایجاد انگیزه‌ی اقتصادی جدیدی برای کاهش رفتارهای نادرستمان دربرابر محیط‌زیست می‌شود.

شیمی‌دانان در دانشگاه پردو در ایالات متحده‌ی آمریکا، راه‌حل هوشمندانه‌ای برای تبدیل پلیمرها به مایع کشف کرده‌اند که تقریبا ۲۵ درصد از زباله‌های پلاستیکی را تشکیل می‌دهند. سپس، حاصل این کار را به‌ نوعی محصول شبیه به دیزل تبدیل می‌کنند که به‌عنوان مخلوط سوخت استفاده می‌شود. لیندا وانگ، مهندس شیمی، دراین‌باره می‌گوید:

فناوری تبدیل ما این ظرفیت را دارد که سود صنعت بازیافت را افزایش و میزان پسماند پلاستیکی را کاهش دهد.

روش آن‌ها به خصوصیت عجیبی از آب وابسته است. آب وقتی هم‌زمان هم فشرده و هم گرم می‌شود، می‌تواند به‌گونه‌ای رفتار کند که انگار در یک لحظه هم مایع است و هم گاز. این مرحله‌ی «فوق‌بحرانی» با رساندن دمای آب برای چندین ساعت به نزدیک ۵۰۰ درجه‌ی سلسیوس به‌دست می‌آید؛ در حالی‌که فشاری معادل ۲۳ مگاپاسکال به آن وارد می‌شود.

در این شکل، آب می‌تواند به‌عنوان ترکیبی از حلال و کاتالیزور عمل کند تا باردیگر شکل‌گیری مولکولی پلیمرهای پلاستیک را تغییر دهد و پلاستیک را با کمک اتم‌های هیدروژنی اهدا شده به مایعی از زنجیره‌های متوسط هیدروکربن تبدیل کند که «نفتا» نامیده می‌شود. این فرایند که «مایع‌سازی هیدروترمال» نامیده می‌شود، برای بسیاری از فرایند‌های دیگر مانند ارتقای نفت خام سنگین و حذف آلاینده‌ها از نفت استفاده شده است. این فرایند قبلا برای پلی‌اتلین استفاده شده بود؛ اما نتایج ناکافی و ناامیدکننده بود و درنتیجه، وانگ و گروهش را برآن داشت تا از آن برای مورد دیگری استفاده کنند.

آن‌ها توانستند بیش از ۹۰ درصد از پلی‌پروپیلن مدل را به محصولاتی مانند نفتای سوختی تبدیل کنند. ادامه‌ی بررسی‌ها نشان می‌دهد این فرایند به‌طور بالقوه از روش‌هایی مانند سوزاندن یا حتی بازیافت با محیط‌زیست سازگارتر و ازلحاظ مصرف انرژی کارآمدتر است.

تبدیل بسته‌های تراشه‌های قدیمی به سوخت فسیلی ممکن است قلب طرفداران محیط‌زیست را لبریز از شادی نکند؛ ولی خواسته‌ی ما برای نفت مایع ارزان می‌تواند باعث افزایش ارزش مواد پلاستیکی ناخواسته‌ای شود که درغیر این‌صورت به محیط‌زیست راه پیدا خواهند کرد.

وانگ معتقد است:

استراتژی ما ایجاد نیروی محرکه‌ای برای بازیافت یا تبدیل الیاف پلی‌اتیلن به طیف گسترده‌ای از محصولات باارزش شامل پلیمرها یا نفتا (ترکیبی از هیدروکربن‌ها) یا سوخت‌های پاک است.

نیروی محرکه‌ی فعلی برای بازیافت از زمانی سرد شده که چین دروازه‌های خود را روی زباله‌های جهان بسته است. درواقع، کمتر از ۲۰ درصد از پلاستیکی که استفاده می‌کنیم، برای تولید محصول جدید بازیافت می‌شود. این میزان کمی بیشتر از میزانی است که سوزانده می‌شود و ممکن است مانع از ورود میکروپلاستیک‌ها به اقیانوس‌ها شود؛ اما مسلما باعث انتشار گازهای گلخانه‌ای می‌شود.

وانگ گفت:

دفع زباله‌های پلاستیکی، چه ازطریق بازیافت و چه ازطریق دورریختن، به‌معنای پایان داستان نیست. این زباله‌های پلاستیکی به‌آرامی از بین می‌روند و میکروپلاستیک‌های سمّی و مواد شیمیایی را به آب‌ها و زمین وارد می‌کنند. این فاجعه است؛ زیرا به‌محض اینکه این آلودگی‌ها وارد اقیانوس‌ها شوند، هرگز قادر نخواهیم بود آن‌ها را کاملا از اقیانوس‌ها بازیابی کنیم.

تبدیل پلاستیک به محصولی مقرون‌به‌صرفه که آسیب‌های زیست‌محیطی مشابه‌ای به‌وجود نمی‌آورد، به سرمایه‌گذاری بیشتر در صنعت بازیافت می‌تواند منجر شود. همچنین، درحالی‌که این‌کار به تولید دی‌اکسیدکربن می‌انجامد؛ درعوض، از خفه‌شدن لاک‌پشت به‌وسیله‌ی زباله‌های پلاستیکی مانع می‌شود.

این موضوع ممکن است این‌طور به‌نظر برسد که ما تهدید جهانی را با دیگری مبادله می‌کنیم؛ اما در‌حال‌حاضر، دفن زباله‌های پلاستیکی در زمین نیز سهمی در ورود گازهای گلخانه‌ای به جوّ دارد. به‌عنوان منبع سوخت متمرکز، ممکن است حتی امیدی برای مدیریت و جذب این گازها وجود داشته باشد و شاید بتوان دوباره آن‌ها را به پلاستیک تبدیل کرد.

راه‌حل نهایی این خواهد بود که اعتیاد خود را به استفاده از پلاستیک‌ها کاملا با رد یا استفاده‌ی مجدد یا شاید جایگزینی این دسته از محصولات با محصولات جایگزین‌ بادوام و مقرون‌به‌صرفه از بین ببریم. در‌عین‌حال، هنوز با مشکل بزرگی مواجه هستیم که ممکن است دهه‌به‌دهه بزرگ‌تر ‌شود. تبدیل پلاستیک به سوخت ممکن است بهترین پاسخ برای حل این مشکل نباشد؛ اما این راه‌حل ممکن است به ما مسیر یافتن راه‌حل‌های بهتر را نشان دهد. این پژوهش در انتشارات انجمن شیمی آمریکا منتشر شده است.

نوشته‌شده در

افراد سالخورده بیشتر تحت تاثیر حباب رسانه‌های اجتماعی قرار می‌گیرند

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه خدمات اجتماعی:

نتایج پژوهش‌ها نشان می‌دهد که مشکل اخبار جعلی و گمراه‌کننده، همگام با افزایش سن افراد جامعه، بزرگ‌تر می‌شود.

 

مشکل انتشار اخبار گمراه‌کننده بسیار فراگیر و ریشه‌دار است. انتشار مکرر اخباری درمورد درز اطلاعات شخصی میلیون‌ها کاربر شبکه‌های اجتماعی مختلف و استفاده‌ی غیرقانونی برخی از شرکت‌ها از این اطلاعات موجب شده است که مردم نسبت‌به باوری که قبلا درمورد مقابله‌ی سیلیکون‌ولی دربرابر انتشار اخبار جعلی داشتند، دلسرد شوند. علت مرکزی بحث انتشار اطلاعات و اخبار گمراه‌کننده، مدل تجاری است که در قلب خود اینترنت جای گرفته است؛ یک مدل تجاری که دارای ویژگی‌های زیر است:

۱. ایجاد خدمات مبتنی بر وب مرزی- اعتیادی که دارای اثر شبکه‌ای هستند (اثر شبکه‌ای تاثیری است که مصرف‌کننده‌ی کالا یا خدمات بر ارزش آن دارد. وقتی اثر شبکه‌ای وجود دارد، ارزش یک محصول یا خدمت به تعداد مصرف‌کنندگان آن بستگی دارد).

۲. جمع‌آوری کنترل‌نشده‌ی اطلاعات شخصی ازطریق آن سرویس‌ها برای ایجاد پروفایل‌های رفتاری.

۳. توسعه و پیاده‌سازی الگوریتم‌های مبهم که با انتخاب محتواها ما را هدف تبلیغاتی قرار می‌دهند.

این اعمال ساده هستند؛ آن‌ها از استقلال فردی ما سوء‌استفاده کرده و به‌خوبی با پدیده‌ی «شناخت انگیزشی» جور در می‌آیند. براساس ایده‌ی شناخت انگیزشی، عملکرد افراد در زمینه‌ی درک، تعامل و عمل در محیط اطرافشان درجهت دستیابی به مطلوب‌ترین نتیجه برای خود آن‌ها، دچار اریبی است. این پدیده که در زمینه‌های اجتماعی مختلف آشکار می‌شود شامل غلو در زمینه‌ی ارزیابی خود برای صفات شخصیتی مثبت و گرایش به مصرف و صحه‌گذاشتن بر اطلاعات جدیدی است که با سیستم اعتقادی فرد سازگاری دارد.

در قلمرو دیجیتال، مسئله‌ی انتشار اطلاعات گمراه‌کننده توسط چیزی ایجاد می‌شود که می‌تواند فرم جدیدتری از شناخت انگیزشی محسوب شود: «حباب فیلتر رسانه‌های اجتماعی». پلتفرم‌های رسانه‌های اجتماعی برای این ساخته می‌شوند که براساس جمع‌آوری اطلاعاتی درمورد ما، محتواهایی را ترویج کنند که احتمال مشارکت ما در آن‌ها بالاترین حد باشد. همان‌طور که شناخت انگیزشی، ما را پشت این پلتفرم‌ها آنلاین نگه می‌دارد، ما به‌طور فزاینده درون حباب‌های فیلتر کشیده می‌شویم زیرا یک پلتفرم خاص تشخیص می‌دهد که ما چه نوع فردی هستیم؛ یک تماشاگر فوتبال یا اینکه یک فرد گوشه‌نشین. طراحان الگوریتم می‌خواهند تا وقتی می‌شود، ما را پشت پلتفرم آنلاین نگه دارند و آن‌ها می‌دانند برای انجام این کار باید محتواهایی را به ما نشان دهند که احتمال توافق ما با آن‌ها بیشترین حد باشد.

درک عواملی که موجب رشد این حباب‌ها می‌شوند، کلید درک نقش آن در کاهش درگیری بین افراد یا گروه‌هایی است که دیدگاه‌های مخالفی دارند. برای مثال، یک عامل بالقوه، احساس گزارش شده از تنهایی است؛ یک ناسازگاری درک شده بین عمق ارتباط اجتماعی که فرد انتظار دارد و چیزی که او حقیقتا تجربه می‌کند، همان که در همه‌ی گروه‌های سنی یافت می‌شود.

پیش‌بینی شده است که جمعیت افراد دارای سن ۶۰ و بالاتر تا سال ۲۰۵۰ به دو میلیارد برسد. از طرفی، نظرسنجی‌های اخیر نشان‌دهنده‌ی افزایش ناگهانی در شمار افراد مسنی است که از این پلتفرم‌ها استفاده می‌کنند. بر این اساس، ضروری است که ما درمورد نحوه‌ی مشارکت این افراد در این پلتفرم‌ها آگاهی بیشتری کسب کنیم و در عین حال بدانیم چگونه عوامل مختلفی که روی این بخش از جامعه تأثیرگذار هستند، مانند احساس تنهایی می‌توانند رفتار آنلاین آن‌ها را تحت‌تاثیر قرار دهند. براساس یک شاخص تنهایی و در یکنظرسنجی (در آمریکا) مشخص شد که ۳۶ درصد از افراد دارای سن ۶۹-۶۰ و ۲۴ درصد از افراد دارای سن ۷۰ و بالاتر تنها هستند. وقتی ما پیامدهای مضر تنهایی روی سلامت جسم و روان و مخصوصا تاثیرات آن روی عملکردهای شناختی را درنظر بگیریم، این وضعیت، وضعیتی هشداردهنده است.

پژوهشگران در یک مقاله‌ی مروری نشان دادند توانایی خودتنظیمی افراد تنها کمتر است، آن‌ها نسبت‌به تهدیدهای اجتماعی محیطشان حساس‌تر هستند و توجه بیشتری به محرک‌های اجتماعی منفی دارند. این مجموعه ویژگی‌ها که عمدتا درجهت جلوگیری از درگیری و به حداقل رساندن ناامیدی متمایل هستند، ممکن است موجب میل این افراد به منابع اطلاعاتی شود که منعکس‌کننده‌ی جهان‌بینی خودشان باشند.

شواهد اخیر نشان می‌دهند که درمقایسه با افراد جوان‌تر، افراد سالخورده‌تر، احتمال بیشتری وجود دارد که به انتشار اخبار جعلی بپردازند. همراه‌با رشد پیش‌بینی‌شده این بخش از جمعیت در دهه‌های پیش رو، ما باید درک خود را از عواملی که روی روش‌های تعامل افراد سالخورده با این پلتفرم‌ها تاثیر می‌گذارند، بیشتر کنیم و از نحوه‌ی تاثیر این پلتفرم‌ها روی عملکرد این افراد در جامعه آگاه شویم.

نوشته‌شده در

عرضه هوش مصنوعیPlaNET به صورت متن باز توسط گوگل

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه فناوری:

PlaNet نام هوش مصنوعی گوگل است که جهان اطراف خود را با مطالعه‌ی تصاویر شناسایی و درک می‌کند. گوگل، این برنامه را به‌صورت متن‌باز عرضه کرد.

یادگیری از طریق درک نتایج هوش مصنوعی، با نام Reinforcement Leraning شناخته می‌شود. این نوع از یادگیری با بهره‌گیری زمان، داده و قدرت پردازشی زیاد، یکی از بهترین روش‌ها برای بهبود فرایند تصمیم‌گیری کارگزارهای هوشمند است. البته، روش فوق همیشه هم کاربردی نیست؛ چرا که رویکردهای آموزشی بدون مدل خاص برای آموزش هوش مصنوعی، شاید به هفته‌ها زمان برای آموزش نیاز داشته باشند. آن نوع از آموزش، کارگزارها را به‌نوعی به کار می‌گیرد که رخدادها را به‌صورت مستقیم از مشاهدات دنیای اطراف پیش‌بینی کنند.

جایگزینی که برای روش بالا پیشنهاد می‌شود، آموزش هوش مصنوعی بر اساس مدل مشخص است. در آن روش، کارگزارهای هوش مصنوعی به مدلی از جهان پیرامون خود دست پیدا می‌کنند که بر اساس آن، رخدادهای آتی را پیش‌بینی خواهند کرد. البته، برای پیش‌بینی رخدادها در محیط‌های شناخته‌نشده، آن کارگزارها باید مدل‌های خود را بر اساس تجربه طراحی کنند. گوگل با همکاری deepmindمحصولی به‌نام Deep Planning Network یا PlaNET معرفی کرد که مدلی از دنیا را با نگاه کردن به ورودی‌های تصویری شکل می‌دهد و از آن برای برنامه‌ریزی‌های آتی استفاده می‌کند.

گوگل ادعا می‌کند محصول جدیدش در حوزه‌ی هوش مصنوعی، توانایی حل چالش‌های متنوع تصویری را دارد. هوش مصنوعی جدید، با دقت بالا عمل می‌کند و نسبت به نمونه‌های بدون مدل، پیشرفت‌های قابل توجهی داشته است. شایان ذکر است کد منبع PlaNET توسط گوگل در گیت‌هاب به اشتراک گذاشته شد.

دانیار هافنر یکی از مولفان مقاله‌ی مرتبط با معماری هوش مصنوعی جدید گوگل و از محققان کارآموز در بخش هوش مصنوعی آن شرکت است. او می‌گوید که PlaNET با بهره‌گیری از مدل‌های یادگیری دینامیکی از ورودی‌های تصویری کار کرده و از مدل‌های مذکور برای کسب تجربه‌های جدید، استفاده می‌کند. به‌علاوه، پلنت با استفاده از مدل دینامیکی پنهانی فعالیت می‌کند تا درکی از خصوصیات انتزاعی دنیای پیرامون خود همچون سرعت اجسام، به‌دست بیاورد. مدل مورد استفاده، وضعیت آینده‌ی داده‌های ورودی را پیش‌بینی کرده و تصویر و نتیجه‌ای برای درک آنها ایجاد می‌کند.

هوش مصنوعی پلنت، با مدل‌سازی پیش‌بینی رخدادهای پیش روی خود، فرایند یادگیری را انجام می‌دهد. به‌علاوه، برنامه‌ریزی این کارگزار هوشمند نیز با سرعت بالایی انجام می‌شود. به‌هرحال در فضاهای با متغیر پنهان، پلنت تنها به تصویرسازی نتایج آینده نیاز دارد و بدون بهره‌گیری از تصاویر، نتیجه‌ی یک رخداد را حدس می‌زند.

هوش مصنوعی پلنت برخلاف نمونه‌های قبلی، بدون نیاز به شبکه‌ای از سیاست‌گذاری‌های یادگیری، فعالیت می‌کند. درواقع، محصول جدید، فعالیت‌ها را بر اساس طراحی انتخاب می‌کند. به‌عنوان مثال، این کارگزار هوشمند می‌تواند تصور کند که موقعیت و فاصله‌ی یک توپ تا دروازه، بر اثر رخدادهای مختلف، چه تغییراتی می‌کند. همه‌ی این موارد، بدون نیاز به تصویرسازی انجام می‌شود. چنین قابلیتی، به پلنت امکان می‌دهد تا در هر بار انتخاب رویداد، ۱۰ هزار نتیجه‌ی عملکرد توسط آن بررسی شود.

گوگل می‌گوید در آزمایش‌هایی که روی PlaNET انجام شد، محصول جدید نسبت به نمونه‌های بدون مدل‌سازی همچون A3C و D4PG عملکرد بهتری از خود نشان داد. یکی از آزمایش‌ها، تحلیل حرکت رباتی بود که روی زمین نشسته و به‌مرور ایستادن و راه رفتن را می‌آموزد. وظیفه‌ی دیگر، توسعه‌ی مدلی بود که چند آینده‌ی احتمالی را پیش‌بینی کند.

وقتی کارگزار هوشمند PlaNET در محیط‌هایی تصادفی بدون دانستن وظیفه‌ی اصلی قرار گرفت، ۶ وظیفه را بدون مدل‌سازی و تنها پس از ۲ هزار بار تلاش یاد گرفت. انواع دیگر هوش مصنوعی که توانایی مدل‌سازی ندارند،‌ برای درک محیط‌های جدید نیاز به حدود ۵۰ برابر تلاش و سعی‌و‌خطای بیشتر دارند. هافنر و دیگر فعالان پروژه‌ی حاضر، اعتقاد دارند که با افزایش قدرت پردازشی می‌توان حتی مدل‌های پیچیده‌تری را نیز توسط PlaNET توسعه داد. او در پایان برای توضیح کامل‌تر PlaNET می‌گوید:

نتایج ما، نشان‌دهنده‌ی آینده‌ی روشن مدل‌های یادگیری دینامیک، در ساخت کارگزارهای هوشمند با روش‌های یادگیری نتیجه‌ای هستند. ما تحقیقات بیشتری انجام خواهیم داد که روی مدل‌های دقیق‌تر یادگیری دینامیک متمرکز هستند. به‌علاوه، وظایف سنگین‌تر مانند محیط‌های سه‌بعدی نیز در تحقیقات آتی به‌کار گرفته خواهند شد.

ما از نتایجی که استفاده از این نوع آموزش به‌همراه خواهد داشت، شگفت‌زده هستیم. به‌عنوان مثالی از آن نتایج می‌توان یادگیری چندوظیفه‌ای، برنامه‌ریزی سلسله‌مراتبی و کشف نتایج بر اساس تخمین‌های نامطمئن را بیان کرد.

نوشته‌شده در

جی پی مورگان ارز رمزنگاری اختصاصی خود را معرفی می‌کند.

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت: گروه مالی و اقتصادی:

در برهه‌ی زمانی‌که به‌نظر می‌رسد ارزهای رمزنگاری‌شده به‌سرعت جای خود را در بازار پیدا کرده‌اند، جی‌پی مورگان قصد دارد ارز دیجیتال اختصاصی خودش را معرفی کند. 

براساس آخرین گزارش‌ منتشرشده از سوی CNBC، به‌نظر می‌رسد جی‌پی مرگان قصد دارد به بازار ارزهای رمزنگاری‌شده وارد شود. انتظار می‌رود این نهاد مالی به‌زودی سکه‌ دیجیتالی اختصاصی خودش را به بازار معرفی کند.

جی‌پی‌مورگان، یکی از معدود سازمان‌های مالی و سرمایه‌گذاری است که چنین هدفی را در حوزه‌ی بانکدای دنبال می‌کند. جیمی دیمون، مدیرعامل  جی‌پی‌مورگان اعلام کرد که واقعا قصد ندارد وضعیت بازار ارز دیجیتالی بیت‌ کوینرا خراب کند که چنین دیدگاهی واقعا تعجب برانگیز است.

در کل، جیمی دیمون دیدگاه‌های خشن و قهرآلودی نسبت به بیت‌کوین دارد و شاید همین مسئله باعث شده که به فکر معرفی ارز دیجیتال اختصاصی با نام JPM Coin بئفتد.  مشتریان و شرکت‌هایی که با این سازمان مالی و سرمایه‌گذاری همکاری می‌کنند، می‌توانند پرداخت‌های مالی را در زمان واقعی و به‌عنوان بخشی از فرایند همکاری خود با جی‌پی مورگان به‌انجام برسانند.

جی‌پی مورگان چیس معتقد است که معاملاتی که ازطریق ارزرمزنگاری‌شده به‌انجام می‌رسد می‌تواند جایگزین نقل‌و انتقال‌های مالی فعلی شود. معاملات فعلی گاهی چندین روز طول می‌کشد تا به‌انجام برسد ولی جی‌پی مورگان درصدد معرفی سیستمی است که به‌صورت بلادرنگ این کار را انجام دهد.

انتظار می‌رود در آینده‌ی نزدیک شرکت‌های بزرگی همچون فیسبوک به‌راحتی بتوانند ازطریق JPM Coin، به‌سرعت نقل‌ و انتقال‌های مالی خود را به‌انجام برسانند. البته هنوز مشخص نیست مشتریان معمولی، به‌صورت متوسط چقدر قادر به خرید یا استفاده از JPM Coin خواهند بود.

این اولین‌بار نیست که جی‌پی مورگان در جوزه‌ی ارزهای رمزنگاری شده و بلاک‌چین سرمایه‌گذاری می‌کند. سال گذشته نیز پلتفرم بلاک‌چین مبتنی بر اریوم را برای مشتریان تجاری معرفی کرد تا ارزهایدیجیتالی با پشتوانه‌ی طلا و الماس را در این پلتفرم ارائه دهد.

برای آنکه سکه دیجیتالی JPM Coin بتواند از لحاظ مالی وضعیت پایدارتری نسبت به سایر ارزهای دیجیتالی داشته باشد، پشتوانه دلار آمریکا را خواهد داشت. در سال‌های اخیر ارزهای دیجیتالی به‌شدت دچار نوسان قیمت بوده‌اند. زمانی‌‌که مشتری توکن JPM را به‌فروش می‌رساند، یک دلار آمریکا، به‌عنوان تضمینی برای اینکه پول مشتری واقعی است دریافت می‌کند. در ماه‌های اول که جی‌پی مورگان در حال تست فناوری جدید خودش است، ارز دیجیتال JPM در مقادیر کم معامله می‌شود. باید ببینیم آیا ارز دیجیتال جی‌پی مورگان می‌تواند به‌صورت عمومی و گسترده در معاملات به‌کار برده شود یا خیر.